持続可能な大学生活 (SUN) 研究 (SUN)

研究の目的:

全体的な研究の目的は、スウェーデンの大学生が経験する一般的なメンタルヘルスの問題 (うつ病、不安、ストレス) と筋骨格痛の病因と予後に関する知識を深めることです。

具体的な研究課題:

睡眠の質の悪さ、食事パターン、身体活動の低下/座りがちなライフスタイル、痛みの状態、研究環境の悪さなどの修正可能な要因は、厄介な抑うつや不安の症状、筋骨格痛、抑うつ、不安、ストレス、および痛みの症状？ 睡眠の質の悪さ、食事のパターン、運動不足/座りっぱなしのライフスタイル、痛みの状態、学習環境の悪さなどの修正可能な要因は、厄介な抑うつや不安の症状、筋骨格痛からの回復に独立した予後要因となるか? そのような潜在的なリスク要因と軌道は、男性と女性で異なりますか? 1学年度中の睡眠の質、食事パターン、身体活動/座りがちなライフスタイル、痛み、および物質使用の軌跡は何ですか? (危険因子の変動を説明してください)

研究デザイン:

18 歳以上の学部生または大学院生 (修士レベルまで) のフルタイム プログラムの学生のコホート研究。

ソース母集団:

このプロジェクトのソース集団は、18 歳以上の学部生または大学院生 (修士レベルまで) のフルタイム プログラムの学生で、ストックホルム地域の大学を卒業するまでに少なくとも 1 学年在籍している学生です。

データ収集：

データ収集は、参加大学が提供する学生の電子メールアドレスに送信されるリンクを介してアンケートで実行されます。 学生は、ベースラインと各フォローアップで 4 週間、アンケートにアクセスできます。

露出:

睡眠の質、身体活動と座りっぱなしの行動、過去 3 か月間の薬物使用 (医療以外の使用)、学習環境、身体イメージ、完璧主義、ギャンブル、強迫的な運動、ソーシャル メディアの使用、ネットいじめ、先延ばしと孤独。

結果:

結果は、うつ病不安ストレススケール-21（DASS-21）で測定されます。 DASS-21 には、0 ～ 3 の範囲のリッカート スケールで応答選択肢を使用して、非臨床集団のうつ病、不安、ストレス症状を測定するように設計された 3 つのサブスケールが含まれています。 スコアが高いほど、より深刻な症状を示します。 筋骨格痛は、ほとんどの潜在的な筋骨格痛の光景をカバーするノルディック筋骨格痛アンケート（NMQ）で測定されます。 アンケートでは、首、肩、肘、手首/手、背中の上部、背中の下部、腰/太もも/臀部、膝、足首/足の 9 つの身体部位の筋骨格症状と痛みの強さを測定します。 質問は、元の NMQ に従って、過去 12 か月ではなく前月について尋ねるように変更されました。 症状がないと報告した人には痛みのスコア 0 が割り当てられ、筋骨格系の症状があると報告した人は、前月の平均的な痛みの強さを 0 から 9 までの尺度で報告するよう求められました。これは、「可能な限りひどい」痛みを指します。

潜在的な交絡因子:

研究者は、暴露と結果の間の関連の潜在的な交絡因子として、次の変数を収集します。 これらの交絡因子は、文献のレビューに基づいて選択されました。

社会人口学的変数: 年齢、性別、市民権、婚姻状況、扶養家族の数、両親の婚姻状況、両親の雇用状況、個人および世帯の年間収入、週あたりの労働時間、生活環境、通勤時間。

学問的変数: 過去 1 年間の全体的な平均 (1 年生は高校の最終年の平均を提供します)、学習プログラム、学習年。

一般的な健康状態と医学的に診断された併存疾患：調査員は、参加者に、過去1年間に医療提供者によって診断された一般的な健康状態と併存疾患を評価するよう求めます。 パイロット研究では、サンプルの 5% を超えて報告されている併存疾患を選択します。 カナダのパイロット研究では、アレルギー、関節炎、喘息、注意障害/学習障害、摂食障害、高血圧、腸または胃の潰瘍、片頭痛、気分障害、脊柱側弯症、および性感染症が含まれます.

データ分析と統計:

軌跡の定義: うつ病、不安、ストレス症状、および痛みの結果の軌跡は、定義された母集団内の複数の基になる軌跡の識別を可能にする潜在クラス成長混合モデル (LCGMM) によって出現します。 LCGMM では、各軌跡は、潜在的であると想定される独自の成長パラメーター (切片、線形勾配) によって定義されます。 Baysian Information Criteria (BIC)、Bootstrap Likelihood Ratio Test (BLRT)、およびエントロピー (不確実性の尺度) を使用して、4 軌跡仮説がデータに最適なソリューションを提供するかどうかを判断します。 また、睡眠の質、食料不安、身体活動/座りがちなライフスタイル、物質使用の軌跡もこの方法で特定されます。

エクスポージャーと軌跡の間の関連性: 研究者は、多項ロジスティック回帰分析を使用して、各エクスポージャーと結果の軌跡の間の関連性を判断します。 研究者は、関連性をオッズ比 (OR) および 95% 信頼区間 (95% CI) として報告します。 調査員は、最初に二変量モデルを構築して、エクスポージャーと軌跡の間の大まかな関連性を測定します。 交絡因子を特定するために、研究者はモデルを構築して、各潜在的な交絡因子を含めることでいずれかの関連性が 10% 以上変化するかどうかをテストします。

曝露とうつ病、不安、ストレス症状、および痛みの発生事例との関連性: ベースラインで、研究者は厄介なうつ病および不安症状と痛みをそれぞれ発症するリスクがある学生のサブコホートを特定します。 研究者は、カプラン・マイヤー推定を使用して発生率と離散時間生存分析を記述し、暴露と結果の間の関連性を測定します。 すべてのモデルで、参照カテゴリは、結果の最低リスクに関連すると仮定された暴露レベルになります。 OR と 95% CI を使用して、関連付けの強さと方向を説明します。 上記と同じアプローチを使用して、予後因子を特定し（回復の「リスク」の下にあるサブコホートから開始）、交絡を制御します。

サンプルサイズ: 研究者は、2 つの多様な分布シナリオを使用して、4 つの仮定された軌道 (無症状、改善、悪化、持続) にわたる参加者の分布に基づいて、多項ロジスティック回帰モデルに含めることができるパラメーターの数を推定しました。 シナリオ 1 では、70% が無症状、13% が悪化、10% が改善、7% が持続するという仮説を立てました。 シナリオ 2 では、研究者は軌跡全体で均等に分布する (25%) という仮説を立てました。 これらの仮定に基づいて、研究者は、研究者が 1000 人の学生を募集した場合 (シナリオ 1) の 32 個のパラメーターから、研究者が 5000 人の参加者を募集した場合 (シナリオ 2) の 234 個のパラメーターまで、モデルが対応できると推定しました。

Covid-19 サブスタディ:

コホート研究の募集とデータ収集は、Covid-19 パンデミックの前と最中に行われました。そのため、研究者は 2020 年 5 月から毎週のテキスト メッセージで、痛み、不安、抑うつのレベルをより頻繁に記録し始めました。 パンデミック前とパンデミック中のデータ収集は、パンデミックに関連したうつ病、不安、ストレス、およびライフスタイル行動の症状の変化を調査する機会を提供します。 この Covid-19 関連のサブスタディに関する特定のリサーチ クエスチョンは次のとおりです。 2) 学生は、パンデミックの最初の 1 か月間に、睡眠パターンと質、食事パターン、運動、物質使用などの健康的なライフスタイル行動の変化を示しますか?パンデミックは、好ましくない軌道に関連する要因を特定する目的で毎週測定されます。